R语言实战：使用`tableone`包优雅输出统计表格

引言

在数据分析和科学研究中，经常需要比较不同组别（如实验组与对照组）的基线特征或变量分布情况。传统的统计软件或方法可能涉及复杂的代码和手动计算，而R语言的tableone包则提供了一种简便高效的方式来生成这些描述性统计表格。

安装与加载tableone包

首先，确保你已经安装了tableone包。如果未安装，可以使用以下命令进行安装：

install.packages("tableone")

安装完成后，加载tableone包以便使用：

library(tableone)

准备数据

假设我们有一份关于患者数据的DataFrame，包含年龄、性别、疾病状态等变量，以及一个分组变量（如治疗组与对照组）。这里我们创建一个示例数据集来演示。

# 创建示例数据
data <- data.frame(
  ID = 1:100,
  Age = rnorm(100, 50, 10),
  Sex = sample(c("Male", "Female"), 100, replace = TRUE),
  DiseaseStage = sample(c("I", "II", "III", "IV"), 100, replace = TRUE),
  Treatment = sample(c("Treatment", "Control"), 100, replace = TRUE)
)
# 查看数据结构
head(data)

使用CreateTableOne函数

tableone包的核心函数是CreateTableOne，它可以快速生成描述性统计表格。你需要指定数据框（DataFrame）、至少一个分层变量（如Treatment），以及你希望在表格中展示的变量列表。

# 生成表格
my_table <- CreateTableOne(vars = c("Age", "Sex", "DiseaseStage"),
                           strata = "Treatment",
                           data = data,
                           test = list(N ~ "chisq.test", # 对N进行卡方检验
                                     Age ~ "t.test",
                                     Sex ~ "chisq.test",
                                     DiseaseStage ~ "chisq.test"))
# 打印表格
print(my_table)

在上面的代码中，vars参数指定了我们想要在表格中展示的变量，strata参数定义了分层变量（即不同组别），data是我们的数据框，而test参数则允许我们为每个变量指定统计检验方法。这里我们使用了卡方检验（chisq.test）来比较分类变量（如性别、疾病分期），使用t检验（t.test）来比较连续变量（如年龄）。

表格解读

生成的表格将展示每个分层组（治疗组和对照组）的样本量（N）、每个变量的均值（或比例）及其标准误或置信区间，以及相应的统计检验结果（如P值）。这些信息对于评估不同组之间的基线特征是否均衡非常有用。

注意事项

• 确保选择适合数据的统计检验方法。
• 对于非正态分布或方差差异较大的连续变量，可能需要考虑使用非参数检验。
• tableone包生成的表格非常灵活，支持自定义列名、排序等。

结论

通过使用tableone包，我们可以轻松地在R语言中生成专业的描述性统计表格，这些表格在医学研究和数据分析报告中具有极高的应用价值。tableone不仅简化了表格制作过程，还提高了数据展示的专业性和可读性。希望本文能够帮助你更好地掌握这一工具，提升你的数据分析和报告撰写能力。